MétaCan
Menu
Retour à la cohorte
Enregistrement W4225129379 · doi:10.1145/3491101.3519705

AR Music Visualizers: Application Space and Design Guidelines

2022· article· en· W4225129379 sur OpenAlexaff
Thitaree Tanprasert, Dongwook Yoon

Notice bibliographique

RevueCHI Conference on Human Factors in Computing Systems Extended Abstracts · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueAugmented Reality Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésComputer scienceVisualizationSpace (punctuation)Augmented realityMultimediaHuman–computer interactionArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Music visualization has recently become a popular application of augmented-reality (AR) technology. However, despite their various designs and functionalities, their potential benefits and the effectiveness of their designs are not well explored. By interviewing experts and generating and evaluating design ideas, we offer two contributions: (1) the application space of AR music visualizers, defined by the categories of their potential benefits and the constraints from their contexts of usage; and (2) a four-step design guidelines to design a visualizer that achieves the intended benefit(s), while appropriately handling the contextual constraints. We believe that this paper can provide a concrete basis for designing effective AR music visualizers in the future.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,012
score de la tête « metaresearch » (Gemma)0,020
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,012
Score d'incertitude au seuil0,065

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0120,020
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0040,001
Études des sciences et des technologies0,0010,002
Communication savante0,0060,005
Science ouverte0,0030,002
Intégrité de la recherche0,0040,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,004

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,179
Tête enseignante GPT0,367
Écart entre enseignants0,188 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations4
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCHI Conference on Human Factors in Computing Systems Extended AbstractsMême sujetAugmented Reality ApplicationsTravaux en français237 207